-
题名基于机器学习对呼吸机报警分析
- 1
-
-
作者
刘强
郭瑞
王勤
孙凯
-
机构
北京医院器材处
北京医院呼吸与危重症科
北京医院医务处
-
出处
《中国医疗设备》
2024年第3期53-57,79,共6页
-
文摘
目的 探讨应用机器学习方法对呼吸机在临床使用中的通气类报警进行研究,获得影响报警的重要参数及报警预测模型,识别无效报警并给予临床提示,使临床得以高效应对呼吸机报警,避免造成报警疲劳等消极影响。方法 建立符合标准数据流程的呼吸机数据管理平台,根据单中心的呼吸机报警信息分析特征值,得出重要参数排序;利用超参数调优建模预测报警的真假;用混淆矩阵、受试者工作特征(Receiver Operating Characteristic,ROC)对机器学习模型进行多项指标验证。结果 对测试集5936次通气类报警进行评估,得出无效报警率为88%(召回率为0.88),模型准确度为0.94,精准度为0.78,ROC曲线下面积为0.92,F1得分为0.82。结论 采用机器学习便于临床单中心数据建模,能够及时分析获得呼吸机真实警报的重要参数及报警预测;通过呼吸机数据管理平台可有效提示临床无效报警,从而减少医护人员的压力,提高医疗质量。
-
关键词
呼吸机
数据接口
报警项目
机器学习
重要特征变量
-
Keywords
ventilator
data interface
alarm items
machine learning
important feature variables
-
分类号
R197.39
[医药卫生—卫生事业管理]
-
-
题名基于随机森林回归算法的回采工作面瓦斯涌出量预测
被引量：6
- 2
-
-
作者
张增辉
马文伟
-
机构
国家能源集团神东煤炭集团有限责任公司保德煤矿
中煤科工集团沈阳研究院有限公司
煤矿安全技术国家重点实验室
西安交通大学人居环境与建筑工程学院
-
出处
《工矿自动化》
CSCD
北大核心
2023年第12期33-39,共7页
-
基金
国家科技重大专项资助项目(2016ZX05045-004-001)。
-
文摘
回采工作面是矿井瓦斯涌出的主要场所,精准预测回采工作面的瓦斯涌出量,进而有针对性地提出防治措施,对保证矿井安全生产具有重要意义。提出了基于随机森林回归算法的回采工作面瓦斯涌出量预测方法。以工作面实测瓦斯涌出量数据为原始样本,利用Bootstrap抽样方法进行随机抽样,以袋外数据(OOB)评估分数oob_score作为随机森林回归模型调参、特征变量重要性的评判指标,计算得出模型的最佳参数、特征变量重要性占比。对各特征变量的重要性占比进行排序,并按排序进行随机森林回归模型性能分析,结果表明:随着特征变量数的增加,模型性能不会呈现规律性的变化;当特征变量数较少时,可能存在过拟合的情况。测试结果表明,所创建的随机森林回归模型预测值与实测值的平均绝对误差、平均相对误差随着特征变量数的增加呈下降趋势,特征变量数的增加可在一定程度上提高模型的预测效果。针对同一组数据,与主成分回归分析法相比,随机森林回归模型平均相对误差降低了14.29%,预测效果更好,且原理更简单、调参更容易、计算速度更快,能够为矿井回采工作面瓦斯涌出量预测提供有力的理论支撑。
-
关键词
回采工作面
瓦斯涌出量预测
随机森林回归
袋外数据评估分数
特征变量重要性
特征变量数
-
Keywords
mining face
gas emission prediction
random forest regression
out of bag data assessment score
importance of feature variables
number of feature variables
-
分类号
TD712
[矿业工程—矿井通风与安全]
-
